本文主要是介绍文章解读与仿真程序复现思路——中国电机工程学报EI\CSCD\北大核心《考虑量化储热的多区域电–热综合能源系统优化调度》,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
标题 "考虑量化储热的多区域电–热综合能源系统优化调度" 可以分解为几个关键词和短语,我们逐步解读:
-
考虑量化储热:
- 考虑: 意味着在解决问题或进行研究时,会综合或纳入特定因素。
- 量化: 将抽象的概念或参数用具体的数值表示,即进行定量分析。
- 储热: 储存热能,可能涉及热能的采集、存储和释放等方面。
-
多区域:
- 涉及多个地理或功能区域,这可能指涉及多个城市、地区、或者系统中的多个子系统。
-
电–热综合能源系统:
- 电: 涉及电能,可能包括发电、输电等。
- 热: 涉及热能,可能包括热能的生产、输送等。
- 综合能源系统: 将不同形式的能源集成在一起的系统,这里指的是电能和热能。
-
优化调度:
- 优化: 在给定的条件下,寻找最优解决方案的过程,可能涉及最大化效益、最小化成本等。
- 调度: 对资源或任务进行合理的分配和安排。
因此,整体来说,这个标题可能指的是一个研究方向或项目,旨在通过考虑热能的量化储存,针对涉及多个地理或功能区域的电–热综合能源系统进行优化调度。这涉及到电和热能的综合利用,以及如何在多区域环境下最有效地分配和利用这些能源。
摘要:多区域电–热综合能源系统(integratedpowerand heatingsystem,IPHS)是包含多个独立供热系统的跨区域电热耦合系统,其供热管网储热能力具有巨大调控潜力。但目前IPHS调度未考虑储热量化和储热主动调控,造成管网热损增加、管道加速老化等诸多问题,严重影响管网储热潜力的灵活利用。因此,该文提出一种考虑量化储热的多区域IPHS优化调度方法。首先,考虑供热管网储热特性和多区域调度的计算效率需求,基于一阶隐式迎风差分改进并简化供热管网模型,建立供热管网的虚拟蓄热罐模型;在此基础上,提出供热系统热储能状态指标(state of thermal storage,SOTS),用于一次管网储热量化,并建立管网储热的量化调控指标;最后,结合1–bin机组组合模型构建多区域IPHS优化调度模型,将管网储热调控目标加入IPHS优化调度目标,并利用混合整数二次规划求解器求解,得到IPHS优化调度方案。算例分析验证了该方法在提升IPHS机组经济性、促进风电消纳、降低热损量等方面的有效性。
这段摘要讨论了针对多区域电–热综合能源系统(IPHS)的优化调度方法,旨在解决目前IPHS调度中未考虑储热量化和主动储热调控所导致的问题。
-
系统描述:
- IPHS 是一个包含多个独立供热系统的电热耦合系统,其供热管网储热能力有潜力进行调节。
- 问题存在: 目前IPHS调度未考虑储热量化和主动储热调控,导致管网热损增加、管道老化加速等问题,限制了管网储热潜力的有效利用。
-
提出方法:
- 建模改进: 基于一阶隐式迎风差分方法对供热管网模型进行改进和简化,建立了供热管网的虚拟蓄热罐模型,以考虑供热管网的储热特性和多区域调度的计算效率需求。
- 引入指标: 提出了供热系统热储能状态指标 (SOTS),用于量化管网的储热情况,并建立了管网储热的量化调控指标。
- 优化模型: 结合了1–bin机组组合模型,构建了多区域IPHS优化调度模型,并将管网储热调控目标整合到IPHS优化调度目标中。最后,利用混合整数二次规划求解器来得到IPHS优化调度方案。
-
算例验证:
- 有效性验证: 通过算例分析证明了这种方法在提升IPHS机组经济性、促进风电消纳以及降低热损量等方面的有效性。
综合来看,这项研究通过引入量化储热和储热主动调控的方法,提出了一种综合考虑供热管网特性和多区域调度需求的优化方案,旨在解决IPHS调度中存在的问题,并证明了该方案的有效性。
关键词:电_热综合能源系统;多区域系统;量化储热;优化调度;
这些关键词涉及能源系统管理和优化的关键概念:
-
电-热综合能源系统: 这指的是一种综合利用电力和热能的系统,旨在实现能源的高效利用和互联互通。这种系统可能整合电力和热能生产、传输、储存和使用,通过有效管理和协调这两种能源形式来提高能源利用效率。
-
多区域系统: 指的是跨越多个区域或地域范围的系统,这些区域可能在能源生产、需求或供应方面存在差异。在能源管理中,多区域系统需要考虑不同地区的能源特性、需求和传输,以便进行更有效的能源分配和利用。
-
量化储热: 意味着对热能储存量进行量化分析和管理。这可能涉及衡量热能的储存容量、储存效率以及在系统中存储和释放热能的方法。通过量化储热,可以更有效地利用可再生能源或尖峰时段产生的能源,并在需要时释放。
-
优化调度: 指通过算法、模型或技术对系统进行智能调度和管理,以最大程度地提高系统效率、降低成本、满足能源需求,并考虑到各种约束条件。在能源系统中,优化调度可以指调整能源生产、传输和消费的时间、量和方式,以达到系统运行的最佳状态。
综合来看,这些关键词涉及到整合不同形式能源、管理跨区域系统、量化能源储存以及通过优化调度来提高能源系统效率的重要概念。在电力和热能管理中,这些概念都是为了更有效地利用资源、降低能源成本、减少环境影响并确保能源供应的可靠性。
仿真算例:
本文选取 IEEE-118 节点电力系统算例,系统 中29个节点为传统火电机组,6个节点为风电机组, 19 个节点为 CHP 机组,CHP 机组装机容量在火电 机组中占比 41.6%,风电机组在发电机组中占比为 19%,如图 4 所示。每个 CHP 机组对应一个区域供 热系统,分别选取 6 节点、28 节点以及 44 节点供 热系统算例[7]进行复用,并设置管网水温上下限, 供水管网温度上下限 Ts,max/T s,min 为 110℃/80℃,回 水管网温度上下限 T r,max/T r,min 为 70℃/40℃。供热 系统参数如附录 A 表 A1 所示。所有供热系统在 0 时的 SOTS 设为 50%, min OTSk S 均为 0%, max OTSk S 均为 100%, max OTSk S 均设为 50%。IPHS 的电、热负荷以及风电预测出力如附录 A 图 A1 所示,调度周期 24h,调度时间分辨率为 1h。为验证本文调度方法 的有效性,算例设置 3 个场景: 1)场景 I: 采用以热定电运行模式,调度模型为(32),并 将其中约束(4)—(7),(13),(14)替换为式(30); 2)场景Ⅱ: 采用本文调度方法,调度模型为(32),仅考虑 热电解耦,不考虑供热管网储热量的协同调控,忽略协同调控惩罚项的影响,罚因子设为 0; 3)场景Ⅲ: 采用本文调度方法,调度模型为(32),考虑供 热管网储热量的协同调控,将罚因子设为 103 ;
仿真程序复现思路:
复现这个仿真涉及以下步骤:
-
建模:
- 使用电力系统仿真工具,如MATLAB/Simulink或PowerWorld等,构建 IEEE-118 节点电力系统模型。定义每个节点的特性,包括传统火电机组、风电机组和CHP机组等。
-
区域供热系统建模:
- 为每个CHP机组创建相应的区域供热系统模型。选择并复用6、28和44节点的供热系统算例,并设置管网水温上下限、供水和回水管网温度上下限。
-
IPHS负荷和风电预测建模:
- 根据文中提到的IPHS的电、热负荷以及风电预测出力,使用合适的数学模型进行建模。这可能涉及创建时间序列模型或使用已知数据进行插值。
-
调度模型设置:
- 为每个场景设置调度模型。在场景 I 中,采用以热定电运行模式,替换特定约束为新的式(30)。在场景Ⅱ中,考虑热电解耦,但不考虑供热管网储热量的协同调控。在场景Ⅲ中,考虑供热管网储热量的协同调控,并设置罚因子。
-
调度周期和分辨率设置:
- 设置调度周期为24小时,调度时间分辨率为1小时,以匹配仿真的时间尺度。
-
运行仿真:
- 编写仿真脚本,将上述模型和参数传入仿真工具。运行三个场景的仿真,并记录相关输出数据。
-
结果分析:
- 分析仿真结果,比较场景 I、Ⅱ 和Ⅲ 的性能。这可能涉及评估电力系统的稳定性、经济性和环境影响等方面的指标。
以下是一个简化的仿真思路的伪代码表示(使用Python作为伪代码的编程语言表示):
import pandas as pd
import numpy as np
from scipy.optimize import minimize# 步骤1:建模
def build_power_system_model():# 实现电力系统的建模passdef build_heating_systems():# 实现供热系统的建模pass# 步骤2:区域供热系统建模
def build_heating_system_model(chp_unit):# 实现单个供热系统的建模pass# 步骤3:IPHS负荷和风电预测建模
def build_iphs_load_model():# 实现IPHS负荷建模passdef build_wind_power_forecast():# 实现风电预测建模pass# 步骤4:调度模型设置
def set_dispatch_model(scenario, heat_decoupling=False, penalty_factor=0):# 实现调度模型设置,可能使用数学规划库如scipy.optimizepass# 步骤6:运行仿真
def run_simulation(dispatch_model, dispatch_cycle, time_resolution):# 实现仿真运行,可能调用优化算法进行求解pass# 步骤7:结果分析
def analyze_results(results_scenario_I, results_scenario_II, results_scenario_III):# 实现仿真结果的分析pass# 主程序
if __name__ == "__main__":# 步骤1:建模power_system = build_power_system_model()heating_systems = build_heating_systems()# 步骤2:区域供热系统建模for chp_unit in heating_systems:build_heating_system_model(chp_unit)# 步骤3:IPHS负荷和风电预测建模iphs_load = build_iphs_load_model()wind_power_forecast = build_wind_power_forecast()# 步骤4:调度模型设置scenario_I_model = set_dispatch_model("Scenario I", constraints_replace=True)scenario_II_model = set_dispatch_model("Scenario II", heat_decoupling=True, penalty_factor=0)scenario_III_model = set_dispatch_model("Scenario III", heat_decoupling=True, penalty_factor=1e3)# 步骤5:调度周期和分辨率设置dispatch_cycle = 24 # hourstime_resolution = 1 # hour# 步骤6:运行仿真results_scenario_I = run_simulation(scenario_I_model, dispatch_cycle, time_resolution)results_scenario_II = run_simulation(scenario_II_model, dispatch_cycle, time_resolution)results_scenario_III = run_simulation(scenario_III_model, dispatch_cycle, time_resolution)# 步骤7:结果分析analyze_results(results_scenario_I, results_scenario_II, results_scenario_III)
请注意,这只是一个简化的示例,并没有具体的优化算法或电力系统建模的详细内容。实际的仿真程序可能需要更多的细节和精确性,并可能使用专业的仿真工具和优化库。
这篇关于文章解读与仿真程序复现思路——中国电机工程学报EI\CSCD\北大核心《考虑量化储热的多区域电–热综合能源系统优化调度》的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!